silvia__y的博客

  决策树的原理即利用不同的最优特征选择方法，优先选择样本纯度最高的特征来进行样本分类。其中：使用信息增益的决策树算法为 ID3；使用信息增益率的决策树算法为 C4.5；使用Gini指数的决策树算法为 CART算法。  ID3算法中，信息增益（Information gain）越大，数据越纯净，越有序，自然地我们优先选取信息增益最大的特征来分类样本。样本集的信息熵（Entorpy）的值越小...

原文链接：https://blog.youkuaiyun.com/qq_16000815/article/details/80954039scikit-learn两类决策树参数说明'''scikit-learn中有两类决策树，它们均采用优化的CART决策树算法。'''from sklearn.tree import DecisionTreeRegressor'''回归决策树'''Decisi...

#手写数字识别#scikit-learn库from sklearn import datasetsdigits = datasets.load_digits() #加载scikit-learn自带的手写数字识别图片数据集from matplotlib import pyplot as plt#将数据所代表的的图片显示出来images_and_labels = list(z...

一、数据清洗统一同类数据的单位，去掉重复数据及噪声数据。使得数据具备结构化特征，方便作为机器学习算法的输入。二、特征选择从所有的特征值中，逐个分析选择合适的特征集合作为输入。方法：1、人工选择；2、PCA算法三、模型选择根据问题领域、数据量大小、训练时长、模型准确度等多方面因素决定模型的选择。四、模型训练和测试将数据集分为训练集、测试集、验证集（交叉验证集）来进行模型训练。五、模...

网易云视频连接：https://study.163.com/course/courseMain.htm?courseId=1004570029笔记参考：http://daniellaah.github.io/2016/Machine-Learning-Andrew-Ng-My-Notes监督学习与无监督学习通常我们讲，任何的机器学习（Machine Learning，简ML）算法问题都可以分...